Какие символы должны быть экранированы в документах XML, или где я могу найти такой список?

Если вы используете соответствующий класс или библиотеку, они помогут вам. Многие проблемы XML вызваны конкатенацией строк.

Escape-символы XML

Всего пять:

"   "
'   '
<   &lt;
>   &gt;
&   &amp;

Экранирование символов зависит от того, где используется специальный символ.

Примеры могут быть проверены в Службе проверки разметки W3C .

Текст

Безопасный способ - экранировать все пять символов в тексте. Тем не менее, три символа ", 'и >не должны быть экранированы в тексте:

<?xml version="1.0"?>
<valid>"'></valid>

Атрибуты

Безопасный способ - экранировать все пять символов в атрибутах. Однако >персонажу не обязательно экранироваться в атрибутах:

<?xml version="1.0"?>
<valid attribute=">"/>

Символ 'не должен быть экранирован в атрибутах, если кавычки ":

<?xml version="1.0"?>
<valid attribute="'"/>

Аналогично, "нет необходимости экранироваться в атрибутах, если кавычки ':

<?xml version="1.0"?>
<valid attribute='"'/>

Комментарии

Все пять специальных символов не должны быть экранированы в комментариях:

<?xml version="1.0"?>
<valid>
<!-- "'<>& -->
</valid>

CDATA

Все пять специальных символов не должны быть экранированы в разделах CDATA :

<?xml version="1.0"?>
<valid>
<![CDATA["'<>&]]>
</valid>

Инструкции по обработке

Все пять специальных символов не должны быть экранированы в инструкциях обработки XML:

<?xml version="1.0"?>
<?process <"'&> ?>
<valid/>

XML против HTML

HTML имеет свой собственный набор escape-кодов, который охватывает гораздо больше символов.

Возможно, это поможет:

Список ссылок на сущности символов XML и HTML :

В документах SGML, HTML и XML логические конструкции, известные как символьные данные и значения атрибутов, состоят из последовательностей символов, в которых каждый символ может проявляться непосредственно (представлять себя) или может быть представлен серией символов, называемых символьной ссылкой, из которых есть два типа: числовая ссылка на символ и ссылка на символьную сущность. В этой статье перечислены ссылки на сущности символов, действительные в документах HTML и XML.

В этой статье перечислены следующие пять предопределенных сущностей XML:

quot  "
amp   &
apos  '
lt    <
gt    >

В соответствии со спецификациями Консорциума World Wide Web (w3C), существует 5 символов, которые не должны появляться в их буквальном виде в документе XML , за исключением случаев, когда они используются в качестве разделителей разметки или внутри комментария, инструкции по обработке или раздела CDATA. , Во всех остальных случаях эти символы должны быть заменены с использованием соответствующей сущности или числовой ссылки в соответствии со следующей таблицей:

Original CharacterXML entity replacementXML numeric replacement
<                              &lt;                                    &#60;                                    
>                              &gt;                                   &#62;                                    
"                               &quot;                               &#34;                                    
&                              &amp;                               &#38;                                    
'                               &apos;                               &#39;                                    

Обратите внимание, что вышеупомянутые объекты могут использоваться также в HTML, за исключением & apos; , который был представлен в XHTML 1.0 и не объявлен в HTML 4. По этой причине и для обеспечения ретро-совместимости спецификация XHTML рекомендует использовать & # 39; вместо.

Экранирование символов отличается для тегов и атрибутов.

Для тегов:

 < &lt;
 > &gt; (only for compatibility, read below)
 & &amp;

Для атрибутов:

" "
' '

Из символьных данных и разметки :

Символ амперсанда (&) и левая угловая скобка (<) не должны появляться в их буквальной форме, за исключением случаев, когда они используются в качестве разделителей разметки или внутри комментария, инструкции обработки или раздела CDATA. Если они нужны где-то еще, их необходимо экранировать, используя либо числовые ссылки на символы, либо строки "& amp;" и "& lt;" соответственно. Правая угловая скобка (>) может быть представлена ​​с помощью строки "& gt;" и для совместимости должна быть экранирована с помощью "& gt;" или ссылки на символ, когда она появляется в строке "]]>" в содержимом, когда эта строка не обозначает конец раздела CDATA.

Чтобы значения атрибутов могли содержать как одинарные, так и двойные кавычки, символ апострофа или одинарной кавычки (') может быть представлен как "& apos;", а символ двойной кавычки (") -" & quot; ».

^{Новый, упрощенный ответ на старый, часто задаваемый вопрос ...}

Упрощенный XML Escapeing _{^{(с приоритетом, завершен на 100%)}}

1. Всегда _{^{(90% важно помнить)}}

   • Побег, <как <только <начинает<tag/> .
   • Сбежать, &как &только &начинается &entity;.

2. Значения атрибутов _{^{(9% важно помнить)}}

   • attr=" 'Одиночные кавычки 'в порядке в двойных кавычках."
   • attr=' "Двойные кавычки" в пределах одинарных кавычек.'
   • Побег "как "и 'как 'иначе.

3. Комментарии , CDATA и инструкции по обработке _{^{(0,9% важно запомнить)}}

   • <!--В комментариях --> ничего не нужно избегать, но нет-- строки не допускаются.
   • <![CDATA[Внутри CDATA ]]> ничего не нужно избегать, но нет]]> строки не допускаются.
   • <?PITargetВнутри PI ?> ничего нельзя экранировать, но ?>строки не допускаются.

4. Эзотерика _{^{(0,1% важно запомнить)}}

   • Побег , ]]>как ]]>если ]]>не заканчивается раздел CDATA.
     _{^{(Это правило применяется к символьным данным в целом - даже вне раздела CDATA.)}}

В дополнение к общеизвестным пяти символам [<,>, &, "и '] я бы также экранировал символ вертикальной табуляции (0x0B). Это допустимый UTF-8, но не действительный XML 1.0 и даже многие библиотеки (включая очень переносимую (ANSI C) библиотеку libxml2 ) пропускает ее и молча выводит неверный XML.

Сокращенный от: XML, Escape

Есть пять предопределенных объектов:

&lt; represents "<"
&gt; represents ">"
&amp; represents "&"
&apos; represents '
&quot; represents "

«Все разрешенные символы Юникода могут быть представлены с помощью цифровой символьной ссылки». Например:

中

Большинство управляющих символов и другие диапазоны Юникода специально исключены, а это означает (я думаю), что они не могут быть ни экранированными, ни прямыми:

Допустимые символы в XML

Это зависит от контекста. Для содержания это < и & , и ]]> (хотя строка из трех вместо одного символа).

Для значений атрибутов это < , & , " и ' .

Для CDATA это ]]> .

Только <и &должны быть экранированы, если они должны обрабатываться символьными данными, а не разметкой:

2.4 Символьные данные и разметка